当数据科学家遇到大模型——轻技术重应用延缓被替代风险

【内容简介】上月领英裁员700人，其中一大部分都是数据科学家。大模型是第四次工业革命，对数据科学的冲击影响不可小觑。在本次和加拿大滑铁卢数据科学美女讲师Sunny小姐姐的学术讨论中，我们将围绕以下关键问题进行探讨：1. 如何评估大模型对传统模型的冲击和影响？2. 大模型在企业中降本增效、个性化定制和加速研发的策略和成果是如何体现的？3. 在高容错和低容错场景中，大模型应用有哪些应用方案？4. 数据科学家如何通过商业理解来使用大模型微调和应用开发？5. 大模型将如何重塑劳动力市场，并对高学历知识工作者的未来产生什么样的影响？【本期嘉宾】Sunny小姐姐儿 <⭐️⭐️⭐️小红书同名，欢迎订阅关注>【学习笔记】0:00  嘉宾个人背景介绍03:38 传统模型是科学算命 vs 生成式模型是内容创造:<ul> <li>学习传统模型了解底层逻辑，目前大模型成本依然很高，且模型黑盒监管难；</li> <li>商业➕编程➕算法的交集是数据科学，大模型前重技术，大模型后重应用</li> <li>大模型在企业中的功能定位：1）降本增效 2）个性订制 3）加速研发；</li> <li>应用场景从容错率高的场景：1）自动化客服；2）营销战略；3）软件工程—40%的基础代码已被替代 ≈ 40%的码农被替代；4）产品研发；5）AI制图</li> <li>高价值高风险容错率低的场景也可以应用：1）教育行业；2）医疗行业；3）自动驾驶</li> <li>范式没有行业壁垒，减少模型搭建时间，大模型一步到位</li></ul>24:10 未来大模型发展方向：一部分卷模型，一部分卷应用，落地为王:<ul> <li>卷模型：1）整体提升；2）多模态模型—缺乏GPU资源会在商业竞争中被淘汰；3）探索开源模型—打开黑盒，用大模型根据垂直领域微调生成小模型</li> <li>卷应用：1）ToC: 抓住客...

当数据科学家遇到大模型——轻技术重应用 延缓被替代风险